《表1 9%高斯噪声下分割定量对比》
图1为本研究方法多分类Student’s t混合模型(MCSMM)与k-means、GMM算法分割含有9%高斯噪声普通图像的结果.其中图1a)为实验原图,b)为在实验原图上添加了9%高斯噪声的效果图,c)~e)分别为k-means、GMM和MCSMM的分割结果.表1为3种算法在9%高斯噪声下精确度和信噪比的对比结果.由图1和表1可知,GMM在含有大量高斯噪声的图像分割中,分割精度和信噪比表现较为不稳定,k-means虽然在多幅图像分割精度较为稳定,但是分割精度仍然较低.本文方法MCSMM在对含有大量高斯噪声图像进行分割时,表现良好.不但分割精度和信噪比得到了很大的提高,而且分割结果在视觉上表现更为理想.
图表编号 | XD00217693600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.30 |
作者 | 王燕贞、陈志翔 |
绘制单位 | 漳州职业技术学院信息工程学院、闽南师范大学物理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |